Историческое наблюдение нужно читать вместе с источником, определением территории, датой и описанием преобразования.
Legal AI · агентные системы · прикладные исследования
Я строю AI-системы, которым не нужно верить на слово.
Для права, исследований и сложной экспертной работы — там, где убедительного ответа недостаточно. Каждый существенный вывод должен возвращаться к источнику, версии данных, расчёту и решению человека.
Сергей Авдейчик — AI/ML-инженер и разработчик AI-продуктов.
Как устроен мой подход →POSITION / 01Модели полезны, но их польза определяется архитектурой работы вокруг них.
Цена ошибки
Убедительный текст стал дешёвым. Проверяемый результат — нет.
Большая языковая модель за секунды напишет заключение, обзор или архитектурную рекомендацию. Но в профессиональной работе самый дорогой вопрос начинается после ответа.
Какой документ был источником? Какая его редакция действовала в нужный момент? Что система не нашла? Где заканчиваются данные и начинается интерпретация? Какую ошибку нельзя пропустить? Кто принимает финальное решение?
Я проектирую не генераторы красивых ответов, а рабочие среды, в которых этот путь остаётся видимым: от исходного материала до вывода, проверки и ответственности человека.
Модель может быть сильной. Процесс обязан быть сильнее модели.BY Maps / открытое исследование
Демографическое изменение не объясняется одним числом: нужны связанные срезы.
Оригинальная визуализация проекта. Наблюдения, оценки и условные сценарии не смешиваются.
Изменения вне крупных городов требуют учёта границ, определений и сопоставимости рядов.
Городская концентрация — исследовательский вопрос, для которого необходимо явное сравнение мест и периодов.
Сценарии — условные модели с допущениями, а не описание будущего состояния.
Разные области — один инженерный вопрос
Как превратить правдоподобный результат модели в работу, которую можно продолжить и проверить?
Я работаю с правом, данными, исследовательскими и образовательными процессами. Предметные области различаются, но проблема повторяется: модель должна не заменять профессиональное решение, а усиливать его, оставляя понятный след работы.
Открытое исследование · Исследовательский вопрос, ETL, моделирование, визуализация
Что происходит со страной, когда население десятилетиями стягивается к одной точке?
Публичный исследовательский материал о демографических изменениях: карта, исследовательские вопросы и условные сценарии. Результаты следует читать вместе с источником, преобразованием и ограничением.
Что можно проверить: Исследовательский сайт и репозиторий ведут к материалам и методологии; эта карточка не повторяет числа без версионированной ссылки на набор данных.
Ссылка на внешний репозиторий · Этот сайт не заявляет роль или текущий статус проекта
Как читать внешний материал, если повторение во вторичных источниках не является независимым подтверждением?
Внешний репозиторий приведён для самостоятельной проверки. Этот сайт не заявляет ничего о его данных, верификации, участниках или текущем статусе.
- объект
- утверждение
- источник
- проверка
Что можно проверить: Внешний репозиторий и точка входа приведены для самостоятельной проверки; его детали требуют независимой верификации в самом репозитории.
Исследовательский пилот · Инженерия данных, агентные системы, воспроизводимость
Как измерить не текст нормы, а то, как она реально применяется?
Исследовательский конвейер связывает корпус судебных решений, классификацию, цитаты, контрпримеры и юридическую проверку.
- вопрос
- корпус
- цитата
- вывод
Что можно проверить: Публичная методология, модель событий интерпретации и история проверок.
Архитектурная концепция · Архитектура, протокол обмена, модель контроля
Что, если национальный Legal AI — не одна платформа, а сеть личных рабочих сред?
Архитектурная концепция обмена проверяемыми рабочими пакетами: источниками, версиями норм, проверками и отклонёнными гипотезами.
- источник
- версия
- проверка
- рабочий пакет
Что можно проверить: Публичная архитектура и связанный открытый прототип личного юридического рабочего пространства minius.
Open source · Архитектура процесса, реализация, проверка
Как не позволить агенту самому объявить свою работу готовой?
Реализация и проверка разделены: спецификация служит контрактом, независимый контур ищет доказательства выполнения, а CI подтверждает конкретную версию.
- спецификация
- реализация
- независимая проверка
- CI
Что можно проверить: Открытый репозиторий с процессом, тестами и журналом проверки.
Как я работаю
Я не начинаю с модели.
Сначала нужно понять, какое решение принимает человек и что произойдёт, если система ошибётся. Только после этого можно выбирать модель, поиск, агентов и интерфейс.
- 01
Какое решение должно стать лучше?
Не «внедрить AI», а сократить конкретную задержку, повысить полноту поиска, снизить определённый риск или дать специалисту новый способ анализа.
- 02
Какие источники допустимы?
Фиксируются происхождение, версия, дата, права доступа и границы корпуса. Если источник нельзя назвать, сильного вывода быть не должно.
- 03
Что можно поручить модели?
Модель получает ограниченную роль: извлечение, классификацию, поиск связей, подготовку гипотез или черновика. Юридически, финансово или репутационно значимое решение остаётся человеку.
- 04
Как система должна ошибаться на тесте?
Проверяются не только удобные примеры, но и похожие неправильные документы, устаревшие редакции, неполные данные, пограничные случаи и конкурирующие объяснения.
- 05
Что получит следующий специалист?
Не один финальный файл, а понятный рабочий пакет: источники, расчёты, принятые решения, ограничения и инструкция, как продолжить или проверить работу.
Цель — не безошибочная модель. Цель — процесс, в котором ошибка обнаруживается раньше, чем становится решением.
Статьи и исследовательские заметки
Я пишу о моменте, когда демонстрация заканчивается.
Меня интересует не очередной релиз модели, а то, что происходит после него: как AI встречается с правом, историей данных, институциональными правилами, ответственностью и реальной разработкой.
ИИ взломал код человеческой цивилизации
Оригинальный анализ Сергея Авдейчика вопросов об агентности ИИ, институтах, доверии, языке и человеческом суждении, вдохновлённый лекцией Юваля Ноя Харари.
Читать оригинальный анализ →Нажать Record легко. Объяснить регулятору — сложнее
Google Meet, Zoom, Fireflies.ai, Otter.ai, Gong — один разговор может пройти через несколько систем, превратиться в транскрипт, AI-резюме, карточку CRM и часть корпоративной памяти. В 2025 году французский регулятор оштрафовал компанию из сферы колл-центров на 250 000 евро за нарушения, связанные с минимизацией, сроками хранения и безопасностью данных. Интерактивная публикация о том, как увидеть последствия до начала записи.
Читать публикацию →Страна, стягивающаяся к столице
Длинный временной ряд позволяет увидеть структурные изменения, но только при явных определениях, указанных источниках и чёткой границе между историей и сценарием.
Рой вместо платформы: новая архитектура национальных правовых систем
Архитектурный тезис: правовая инфраструктура может состоять из множества контролируемых агентных сред, если они обмениваются проверяемыми рабочими пакетами по общему контракту.
Право как цепочка событий
Модель событий позволяет разделить документы, факты, действия и юридическую квалификацию, вместо того чтобы представлять право как плоский набор фрагментов текста.
Исследования
Я публикую результат так, чтобы с ним можно было не согласиться — предметно.
Хорошее исследование не заканчивается красивым графиком. Читателю нужны источники, определения, код, допущения и граница между наблюдением и интерпретацией.
Открыть исследования и данные →Для команд и организаций
Вам нужен не ещё один AI-инструмент. Вам нужно понять, какую работу ему можно доверить.
Работа может начаться с диагностики процесса, проектирования архитектуры или ограниченного пилота. Команда получает понятные материалы, критерии качества и решение о следующем шаге.
Посмотреть форматы работы →Краткий профиль
Инженер, исследователь и автор продуктов на стыке нескольких дисциплин
Я работаю на пересечении машинного обучения, программной инженерии, права и прикладных исследований. Создаю AI-копилоты, RAG-системы, агентные рабочие среды, аналитические конвейеры и образовательные инструменты.
Мне близки задачи, в которых одной инженерной скорости недостаточно. Нужно понять устройство предметной области, цену ошибки и то, как результат будет проверять другой человек.
Подробнее обо мне →Опишите место, где работа сейчас теряет время, качество или доказательность.
Для первого разговора достаточно кратко описать процесс, источники, цену ошибки и результат, который должен измениться. Я предложу кратчайший способ проверить гипотезу — или прямо скажу, если AI здесь не является подходящим инструментом.